沥青和PAN的静电纺碳纳米级纤维膜的制备及表征

利用N,N-二甲基甲酰胺(DMF)为溶剂、滚轴为接收装置,通过静电纺丝法制备聚丙烯腈(PAN)和可纺沥青(SP)共混前驱体纳米级纤维膜,再对其进行预氧化和碳化,制备碳纳米级纤维膜,以有效降低碳纤维生产成本.结果 表明:在保持纺丝液质量浓度不变的条件下,纤维直径随SP质量分数的增大而减小.制得的纳米级纤维膜具有一定取向度,且经预氧化和碳化处理后,纳米级纤维膜的取向度得到提升;碳化后,沿纤维取向方向的电导率约为垂直于纤维取向方向的3倍.预氧化过程中,纳米级纤维膜因纤维大分子上形成醚键和羰基而质量增加,后又因交联和环化而质量减少.预氧化后,-C≡N环化为C=N,分子结构变得更规整,且颜色发生变化.碳化后,纤维中C元素质量分数达96.89％,结晶度比前驱体纤维高出9.94％.     

废水生物脱氮工艺综述

近年我国城市给排水事业的发展,越来越重视废水以及中水的回用,文中对于一种常规的废水处理工艺,生物脱氮工艺和近些年来新近应用的生物脱氮工艺进行了评述,总结了其应用的状况以及生物脱氮工艺的特点。     

基于瞬时转变率模型的脑网络状态观测算法

针对K-means等聚类方法在脑网络状态观测中稳定性和鲁棒性较差的缺点,提出了一种基于瞬时转变率模型的脑网络状态观测算法。通过对状态转换临界点进行分组统计和分析,计算每一个临界时间点的状态瞬时转变率,在此基础上构建脑网络状态观测算法,并使用区间估计方法对状态转换的观测效果进行估计和验证。在脑网络数据库样本中的实验结果显示,与K-means等脑网络状态聚类观测算法相比,该算法在不同条件下的聚类稳定性更好,对样本差异的适应性更强,受参数选择的影响更小,能直观地观测到脑网络状态转换趋势。     

时间约束NMF算法及其在脑动态功能网络降维中的应用

为了保证高维数据中的时间属性在降维过程中得以保持,提出了一种时间约束非负矩阵分解算法（Time constraint Non-negative Matrix Factorization,TNMF）。该算法通过融合时间序列信息、数据维度,分解误差等约束条件,共同构建时间属性约束模型,计算最优基矩阵维度,能在降维的同时最大限度地保留原始高维数据的空间结构和时间序列信息。将其用于脑动态功能网络降维的实验结果表明,该算法在时间特征提取、聚类可视化效果和聚类指标上明显优于目前常用的降维聚类算法。